上面是一段實時目標(biāo)識別的演示， 計算機在視頻流上標(biāo)注出物體的類別， 包
括人、汽車、自行車、狗、背包、領(lǐng)帶、椅子等。
今天的計算機視覺技術(shù)已經(jīng)可以在圖片、視頻中識別出大量類別的物體， 甚
至可以初步理解圖片或者視頻中的內(nèi)容， 在這方面，人工智能已經(jīng)達到了3 歲兒
童的智力水平。這是一個很了不起的成就， 畢竟人工智能用了幾十年的時間， 就
走完了人類幾十萬年的進化之路，并且還在加速發(fā)展。
道路總是曲折的， 也是有跡可循的。在嘗試了其它方法之后， 計算機視覺在
仿生學(xué)里找到了正確的道路（至少目前看是正確的） 。通過研究人類的視覺原理，
計算機利用深度神經(jīng)網(wǎng)絡(luò)（ Deep Neural Network，NN）實現(xiàn)了對圖片的識別，
包括文字識別、物體分類、圖像理解等。在這個過程中，神經(jīng)元和神經(jīng)網(wǎng)絡(luò)模型、
大數(shù)據(jù)技術(shù)的發(fā)展，以及處理器（尤其是GPU）強大的算力，給人工智能技術(shù)
的發(fā)展提供了很大的支持。
本文是一篇學(xué)習(xí)筆記， 以深度優(yōu)先的思路， 記錄了對深度學(xué)習(xí)（Deep Learning）
的簡單梳理，主要針對計算機視覺應(yīng)用領(lǐng)域。
